题名 | 水下被动目标跟踪中的数据关联与滤波方法研究 |
作者 | 丁一1,2 |
答辩日期 | 2020-05-26 |
授予单位 | 中国科学院沈阳自动化研究所 |
授予地点 | 沈阳 |
导师 | 张瑶 |
关键词 | 水下被动目标跟踪 状态估计 卡尔曼滤波算法 多目标数据关联 |
学位名称 | 硕士 |
其他题名 | Research on data association and filtering in underwater passive target tracking |
学位专业 | 控制理论与控制工程 |
英文摘要 | 水下目标的检测与跟踪技术是探索海洋的一种重要技术手段。其中,以自主水下机器人(Autonomous Underwater Vehicle,以下简称AUV)为观测载体的被动目标跟踪以布放便利、灵活性高、成本低等优点,广泛应用于水面战舰跟踪、水下目标监控等各种军用和民用领域。由于被动声呐仅通过目标的辐射信号对其进行探测,所以量测结果中仅有一维的目标方位信息,具有一定隐蔽性,但对目标的参数估计难度较大,需要选取合适的滤波算法。且水下环境里杂波密度高,噪声干扰严重,对目标的跟踪过程还需要寻求有效的数据关联算法来保持对目标航迹的跟踪。因此,需要对被动目标跟踪领域中的滤波算法和数据关联算法展开更加深入的研究。本论文以某重点部署项目为依托,对水下复杂环境下的被动目标跟踪中涉及的数据关联与跟踪滤波算法开展深入的研究与分析,提出了一系列提升跟踪能力的算法,并通过AUV平台搭载被动声呐载荷开展目标跟踪技术湖/海上试验验证。论文的主要工作内容如下:对多目标跟踪的理论基础进行简要介绍,研究了适用于目标平稳运动的常速度模型、常加速度模型等,以及适用于目标机动运动下的“当前”模型。对二维平面内的系统可观测性问题进行了分析和证明,同时简要介绍了各类关联跟踪门的原理。开展适用于被动跟踪的非线性滤波算法对比分析。在理想无杂波的水下环境中,对传统的扩展卡尔曼滤波、无迹卡尔曼滤波、交互式多模型算法,进行了深入的理论研究,在不同的场景下进行了仿真性能对比分析,为后续的工程应用提供了理论基础。对基于声呐设备特性的跟踪滤波算法进行设计与改进。针对水下复杂的环境,选取合适的滤波算法,结合湖/海上试验数据,对滤波算法提出了改进,包括:基于多模型初值并行滤波的目标参数初始化滤波方法、自适应实时误差估计方法、基于BP神经网络辅助校正的卡尔曼滤波等方法,以上方法降低了初值选取敏感度,提升了系统模型的匹配度以及辨识目标机动的能力,使跟踪滤波算法与实际声呐系统及应用场景紧密结合,具有一定的创新性。数据关联的作用是对落入关联区域内的多个量测点作判断与分析,剔除杂波,形成稳定航迹,从而提升目标跟踪的准确性。论文在对基本的数据关联算法(最近邻、概率数据关联、联合概率数据关联)进行了分析的基础上,提出了一种基于模糊聚类的数据关联算法,将该算法与传统数据关联算法通过仿真与外场试验数据进行对比,验证其优越性。 |
语种 | 中文 |
产权排序 | 1 |
页码 | 87页 |
内容类型 | 学位论文 |
源URL | [http://ir.sia.cn/handle/173321/27130] |
专题 | 沈阳自动化研究所_海洋信息技术装备中心 |
作者单位 | 1.中国科学院沈阳自动化研究所; 2.中国科学院大学 |
推荐引用方式 GB/T 7714 | 丁一. 水下被动目标跟踪中的数据关联与滤波方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论